提前优化是原罪，sin， 要吊起来烧死

很好， 但是厨子不会发你一分钱

@ricardoliu 花钱有啥不对的， 你上服务器数据库就不花钱了？

或者直接花点钱， 上线啦

你先把静态页面设计完了再来想这些

你贷款十年就只用痛苦十年

关键是让你撸个啥算法？ 快速排序？堆排序？赫夫曼编码？傅立叶变换？

上不了 FreeNAS， 可以上 OpenMediaVault 嘛

买台 NAS 不行么？

@zz803abc 看来我不幸言中了。 吃灰风险五颗星，还有个办法是买台 NAS， 就算是群晖也能 ssh 进去，基本上也还是台 Linux。没想好跑撒子，只好还落下一台 NAS 可以用

其实我就好奇楼主到底要跑个啥

当然要说优化了就秒天秒地秒空气了那不可能，Python 确实不快， 只是优化好了并不会那么的慢， 而已。还有个办法是用 Cyhon 来优化这种纯跑圈的逻辑

@Buffer2Disk for 没有优化的， 提速用列表解析或者用 itertools 里的函数代替

之前的例子不是很恰当， 重新写了个
两个长度 6000 的列表对比元素
http://ww1.sinaimg.cn/large/578b198bgy1g525lscg3jj20jy0rs4pp.jpg

你也可以使用 itertools.product

要高效循环， 肯定要用到 itertools， 你基础库都不搞明白就出来浪， 这样子不好
http://ww1.sinaimg.cn/large/578b198bgy1g5258l8petj21r00o0n6i.jpg

你是要判断一个列表里的内容是不是存在与另外一个列表嘛， 设有列表 l1, l2
for i in [idx for idx, flag in enumerate([ i in l2 for i in l1]) if flag]:
print "列表 l1 中 %s 位的元素在列表 l2 中存在......"

事实上你用 xrange 替换 range 就能让 CPU 开销降到 20%， 用列表解析， 就是我这个就只有 0 附近了。开不开心， 意不意外？

for num in xrange(1, 100):
[(lambda _:time.sleep(5))([j for j in xrange(1, 6000)]) for i in xrange(1, 6000)]

试试嘛